Obtenir des classes d’observations en utilisant la méthode REBUS avec XLSTAT-PLSPM

Jeu de données pour Approche PLS PPM778 Ko

Vidéo du tutoriel

Avantages

  • Pratique et simple d'utilisation
    Pratique et simple d'utilisation XLSTAT est parfaitement intégré à Microsoft Excel qui est le tableur le plus populaire au monde. Grâce à cette intégration, et au suivi de la même philosophie qu'Excel, l'utilisation de XLSTAT est aisée. Le logiciel est accessible dans un onglet dédié qui contient le menu de chaque module. Les analyses disponibles sont regroupées en menus fonctionnels. Les boîtes de dialogues sont pratiques et leur paramétrage est simple.
  • Partage aisé des données et résultats
    Partage aisé des données et résultats Un des plus grands avantages de XLSTAT est le fait que les données et résultats peuvent être partagés sans contrainte. En effet, données et résultats sont stockés dans Microsoft Excel et donc accessibles à tous. Il n'est pas nécessaire pour le receveur d'avoir une licence XLSTAT ou tout autre visionneur additionnel. Ceci facilite votre travail d'équipe et le rend plus économique. Enfin, les résultats sont transposables dans les autres logiciels de Microsoft Office dont PowerPoint ce qui vous permet de créer des présentations avec d'excellents graphiques en quelques minutes.
  • Modulaire
    Modulaire XLSTAT est un produit modulaire articulé autour de XLSTAT-Pro qui est le logiciel de base de XLSTAT. XLSTAT-Pro inclut déjà toutes les fonctionnalités les plus courantes en statistiques et analyses de données multivariées. Des fonctions plus avancées sont aussi disponibles dans des modules additionnels qui répondent à des demandes plus spécifiques. Ainsi, vous pouvez adapter le logiciel à vos propres besoins ce qui le rend plus rentable.
  • Didactique
    Didactique Les résultats de XLSTAT sont affichés pour chaque analyse et sont toujours disponibles pour une navigation plus simple. De plus, des informations utiles sont associées aux résultats afin de faciliter votre interprétation.
  • A un juste prix
    A un juste prix XLSTAT est un logiciel de statistique et d'analyse de données complet et modulaire qui s'adapte à tous les besoins analytiques d'une organisation. Son prix est très raisonnable ce qui vous permet de le rentabiliser presque immédiatement. Toutes les licences XLSTAT incluent un support et une assistance de première qualité.
  • Accessible en de nombreuses langues
    Accessible en de nombreuses langues Nous nous sommes assurés que XLSTAT puisse être accessible au plus grand nombre en distribuant le programme dans de nombreuses langues dont le français, l'anglais, l'allemand, l'espagnol, l'italien, le portugais, le polonais, le chinois et le japonais.
  • Automatisable et personnalisable
    Automatisable et personnalisable La plupart des fonctions disponibles dans XLSTAT peuvent être directement appelées depuis l'application Visual Basic de Microsoft Excel. Elles peuvent être intégrées à vos routines pour répondre aux besoins d'une application particulière. Ajouter des tableaux de résultats, des graphiques, ou modifier l'existant est simplifié. De plus, XLSTAT inclut des outils permettant de sauvegarder ou de recharger des paramètres automatiquement, mais aussi de générer du code VBA. Ceci permet de reproduire vos analyses depuis l'éditeur VBA. Cette automatisation des analyses routinières vous fera gagner du temps.

Segmentation REBUS-PLS

XLSTAT est le premier logiciel à mettre à la disposition des utilisateurs la méthode de segmentation REBUS-PLS (REsponse-Based procedure for detecting Unit Segments in PLS path modelling) développée par V. Esposito Vinzi et al.(2008). L’approche PLS permet de visualiser des relations entre des concepts non observables appelés variables latentes en utilisant un algorithme itératif basé sur des estimations par moindres carrés successives. Vous pourrez trouver des détails sur l’application de l’approche PLS dans le tutoriel "comment appliquer l’approche PLS avec XLSTAT-PLSPM ?" ainsi que dans l’aide de XLSTAT.

Nous présentons ici une application spécifique de l’approche PLS lorsqu’on suppose qu’il existe une hétérogénéité au niveau des observations. Ceci revient à dire qu’il existe des classes d’observations qui n’ont pas le même comportement sur un modèle prédéfini. Nous prendrons un exemple dans le cadre de l’analyse de la satisfaction des consommateurs avec le modèle ECSI comme dans le tutoriel général.

Le module PLSPM de XLSTAT permet de construire les classes de manière itérative en utilisant la méthode REBUS (voir l’aide d’XLSTAT ou Esposito Vinzi et al. (2008)). L’indice utilisé pour différencier les classes est appelé CM index.

Pour obtenir des détails sur ces procédures, veuillez vous référer à l’aide de XLSTAT.

L’application de la méthode REBUS avec le module XLSTAT-PLSPM

Nous prendrons le même exemple que dans le tutoriel sur l’approche PLS, le nouveau fichier peut être téléchargé ici.

La première étape consiste à passer en mode d’affichage expert. Dans le menu XLSTAT, cliquez sur XLSTAT-PLSPM, puis sur Options XLSTAT-PLSPM.

plspmrebus1f.gif

La boîte de dialogue suivante apparaît :

plspmrebus2f.gif

Sélectionnez le mode expert et sauvegardez.

Créez un modèle en vous aidant du tutoriel général et en utilisant la feuille PLSPMGraph, les données et le modèle ECSI :

plspm1f.gif

Cliquez alors sur lancer les calculs dans la barre d’outils path modeling. Activez l’option REBUS en bas à gauche de la boîte de dialogue. Un nouvel onglet nommé REBUS apparaît :

plspmrebus3f.gif

Sélectionnez la troncature automatique, ainsi, c’est au cours de la classification ascendante hiérarchique que le nombre de classes sera évalué. Le seuil choisi est de 95 %, ceci veut dire que lorsque plus de 95 % des observations ne changeront plus de classe d’une itération à la suivante, alors l’algorithme s’arrêtera.

plspmrebus4f.gif

Résultats et interprétation des sorties de la méthode REBUS avec XLSTAT-PLSPM

Quatre nouvelles feuilles apparaissent en supplément des feuilles D1 et PLSPMGraph :

  • REBUS : les sorties associées à la méthode REBUS
  • PLSPM(1) : les résultats complets associés à la première classe d’observations
  • PLSPM(2) : les résultats complets associés à la deuxième classe d’observations
  • PLSPM(3) : les résultats complets associés à la troisième classe d’observations

La première feuille donne tout d’abord le dendrogramme obtenu avec la classification ascendante hiérarchique et avec la troncature effectuée.

plspmrebus5f.gif

Ensuite pour chaque observation, la classe d’appartenance est donnée. Finalement le tableau du CM index pour chaque observation et chaque classe est affiché.

plspmrebus6f.gifplspmrebus7f.gif

Les trois feuilles suivantes peuvent être analysées indépendamment de la même façon que dans le tutoriel sur l’approche PLS.

On a ainsi obtenu 3 classes d’observations qui ont des comportements différents sur le même modèle. Ainsi, pour la classe 1, la satisfaction est expliquée très fortement par la qualité perçue au détriment de l’image, par contre l’image et la satisfaction ont des effets similaires sur la fidélité. Pour la classe 2, la satisfaction est aussi expliquée surtout par la qualité perçue, par contre la fidélité est surtout expliquée par la satisfaction et l’image a un impact non significatif sur la fidélité. Finalement, la troisième classe se différencie sur la satisfaction pour laquelle aucune variable latente explicative ne ressort plus qu’une autre, de même pour la fidélité.

On pourrait par la suite appliquer des tests de comparaison de groupes en utilisant ces classes.